卷积神经网络模型的训练方法、装置、电子设备及介质

本申请涉及一种卷积神经网络模型的训练方法、装置、电子设备及介质，包括：获取预训练网络模型；分别对预训练网络模型进行量化处理和剪枝处理，得到目标轻量化网络模型；采用高层次综合方式设计通用的确定性随机计算卷积模块和确定性随机计算池化模块；根据确定性随机计算卷积模块和确定性随机计算池化模块，在现场可编程逻辑门阵列部署目标轻量化网络模型。本申请通过线性反馈移位寄存器实现卷积神经网络模型与随机计算的结合，通过高层次综合实现卷积神经网络模型在现场可编程逻辑门阵列中的部署，可以极大的提升卷积神经网络模型的部署效率，并降低卷积神经网络模型的部署成本。